[发明专利]一种钢材晶粒混晶度的自动测量、精细分类方法及其系统

说明书

技术领域

本发明涉及钢铁材料微观组织全形态晶粒的定量金相分析领域，具体涉及一种钢材晶粒混晶度的自动测量、精细分类方法及其系统。

背景技术

随着钢铁材料科技的飞速发展，各类钢材的研发已经逐渐建立在成分、组织和性能定量关系的基础上，定量金相分析正是研究金属材料成分、组织、工艺及性能之间关系的重要方法，通过对各种钢材金相组织，尤其是晶粒粒径大小及其混晶度的定量分析，在其微观组织和宏观性能间构建定量关系。为探明钢中全形态晶粒的粒径及其分布对钢的强/韧性影响规律，尤其是高端钢材的相关影响规律，就必需对其混晶度进行精确测量与分类，以确保其组织及性能的可控性。

目前，由于现有定量金相分析方法对于所有钢材全形态晶粒粒径及其混晶度的定量表征、分类均未涉及，因此，在进行新钢种研发的成分、工艺、组织及其性能控制时，该项工作尚处于初步探索阶段，只能依靠人工或半人工测量、分析模式进行，而此模式的评价标准仅为“混晶现象严重与否”或待测钢材晶粒粒径的极差。这里，“混晶”通指为钢材晶粒粒径大小分布严重不均现象，但不均到何种程度，无法进行定量表征。而晶粒粒径极差标准亦过于粗糙，以至于同值极差的不同钢材，彼此的晶粒混晶度实际上存在着天壤之别！若能利用先进的图像处理分析技术和科学的数理统计方法，则能有效解决上述问题。

发明内容

本发明的目的是为克服上述现有技术的不足，提出一种钢材晶粒混晶度的自动测量、精细分类方法及其系统，自动实现对钢铁材料全形态晶粒粒径及其混晶度的高效测量、精确分类。

本发明的技术方案是：一种钢材晶粒混晶度的自动测量、精细分类方法，包括以下步骤：

S1、原始图像的获取：通过图像采集装置获取钢材待测晶粒原始图像；

S2、中值滤波去噪：将钢材待测晶粒原始图像进行中值滤波去噪；

S3、二值分割：对经中值滤波去噪后的目标图像按坐标分块，对每一子块分别用大津法自动获得其阈值，由此获得阈值矩阵T₁，采用基于阈值矩阵滤波+插值再处理的局部自适应阈值分割算法进行分割，该算法主要通过对目标图像的阈值矩阵进行滤波和插值两步再处理，使之成为和原图像像素数目相等的新阈值矩阵，然后利用此新阈值矩阵完成图像分割，得到二值图像；

S4、晶粒缺失边界修复：对所述二值图像采用基于极限腐蚀的修正分水岭分割算法修复晶粒缺失边界，该算法主要通过对目标图像进行逐层腐蚀，直到无法腐蚀为止，从而获得被腐蚀晶粒的几何中心即晶核，对此晶核进行修正，对修正后的晶粒图像再应用分水岭分割算法还原晶界；

S5、晶粒孔洞填充：采用改进的种子填充算法填充晶粒孔洞，得到自动修复后的晶粒图像；

S6、区域标定：对所述自动修复后的晶粒图像设定标尺并对各目标晶粒进行区域标定，得到待测晶粒图像；

S7、自动测量：提取所得待测晶粒图像的几何形态特征参数，即采用无规区域面积算法测量目标晶粒的形态特征参数：晶粒面积，并利用等积圆面积算法计算得出相应的晶粒粒径；

利用晶粒混晶度特征参数即晶粒粒径计算待测钢材晶粒混晶度GME；

S8、自动分类：对所述晶粒混晶度GME按最佳阈值进行自动分类。

上述方案中，还包括输出步骤：将晶粒粒径分布及晶粒混晶度分类结果以图表文件的形式显示输出。

上述方案中，所述步骤S3的阈值矩阵滤波步骤如下：

对所述阈值矩阵T₁进行滤波处理，使每个子图像的阈值与其周围子图像的阈值相均衡，以此减少邻近阈值元素间的突变，意即将T₁中每个阈值元素和其周围8邻域中的各个阈值元素相加，求取其均值，并用此均值来取代原来的阈值，由此得到滤波矩阵T₂。

上述方案中，所述步骤S3的插值再处理步骤如下：

对所述滤波矩阵T₂进行插值处理，本算法对滤波矩阵T₂采用线性插值法，以求得到和所述晶粒原始图像像素数目相等的新阈值矩阵T₃，再用阈值矩阵T₃对滤波后的图像进行二值分割。

上述方案中，所述步骤S4的基于极限腐蚀的修正分水岭分割算法的步骤如下：

S9、首先对所述二值图像中的粘连对象进行逐层腐蚀直到无法腐蚀为止，并逐层编号；

S10、将编号后各晶粒的局部极大值区域视为该晶粒的几何中心，即晶核，令对应的像素点灰度值定为1，其余像素点灰度值皆为0；